【技术】倾斜摄影和激光点云技术在大比例尺测图中的应用

摘要:在传统大比例尺测图中，建筑物特征线的获取方法或精度高效率低或效率高精度低。本文通过对倾斜三维模型分析，提出了基于直线公理的建筑物特征线快速提取方法，针对高程点数据均为人工采集的现状，引入激光点云数据通过分类插值法自动生成高程特征点。研究证明，本文方法在精度与效率等方面均可取得良好效果，提高了特征线(建筑物线)、特征点(高程点)采集的自动化程度。

关键词:倾斜摄影；激光点云；特征线提取；特征点自动生成；测图自动化

目前城市大比例尺测图的主要方法有解析法、航测法、利用竣工图等专题资料更新基础地理信息数据等方法， 解析法测量精度高，但在大面积更新时耗时长、成本高，航测法速度快、覆盖面积大、投入成本低，但成图过程复杂、精度低，使用竣工图等专题资料方法更新。依据现行全国性法规，竣工测量还未有统一的标准，数据多样，精度不一，范围也不能覆盖所有的地貌变化，只能作为基础地理信息数据更新的参考，几种方法各具特色，但普遍存在对人工依赖大、自动化程度不高等缺陷。

随着低空航摄和LiDAR 技术的快速发展，倾斜三维模型、点云数据等多种新型测绘产品不断涌现。笔者通过对倾斜摄影和激光点云技术的研究，提出使用倾斜三维模型和点云数据提取大比例尺地形图中特征点、线的方法，以期在保证精度的前提下，提高测图的自动化程度。

1、总体思路

地形图精度主要取决于一、二类地物的精度ꎮ传统大比例尺测图绘制建筑物特征线时需要内外业配合采取“先内后外”或“先外后内”的工序流程，而在使用倾斜摄影自动化建模技术构建的三维模型中，可以清晰地看到建筑物的立面， 利用直线公理，通过在建筑物立面上采集的两个特征点进行投影交汇，直接获取建筑物结构线，可应用于航测法成图的工艺流程中，减少房檐外业调绘和内业改正的工序，提高效率。

在大比例尺测图中，高程点需要通过人工外业测绘获得，本文利用激光点云数据高程精度高的特性，使用基于三角网坡度分割的方法，对LiDAR 点云数据进行自动分类，然后结合影像光谱特征和高程插值，自动生成高程点。

2、基于直线公理的建筑物特征线快速提取

直线公理经过两点有一条直线，并且只有一条直线，常规建筑物的主体在竖直方向都是垂直的，在每个立面上任意采集两个点A、B，向z = 0 的面作垂线，获得垂足一定落在A、B 所在面与z =0 的交线上，即建筑物的一条边线。以此类推，在建筑物的其他立面上依次采集两个特征点，取其在z =0 面上的垂足连成直线，几条线相交即可获得建筑物的基底多边形， 建筑物主体有垂直、平行等几何特征的，可根据此关系减少采集点。

图1　房屋特征线快速提取原理

如图1 所示，以长方体为例，其相邻边线具有垂直特性、对边具有平行特性和等距特性，取5 个点即可实现基底特征线的自动获取。在进行DLG 采集时，在主立面或模型效果最好的立面上采集两个点A、B，向z =0 的面作垂线，获得垂足A′、B′，即AA′⊥面OPUV，BB′⊥面OPUV， 过A′B′画一条直线，则其为房屋的一条边线所在的直线， 然后依次在相邻立面上采集一个点C、D、E，各点分别向z =0 的面作垂线，CC′⊥面OPUV，DD′⊥面OPUV，EE′⊥面OPUV，获得垂足C′、D′、E′，然后分别过C′、E′向直线A′B′作垂线，C′P⊥A′B′，E′U⊥A′B′，得到A′B′的邻边C′P和E′U，最后过D′作D′O∥A′B′，与领边垂直相交于O、V，这样就获取到该建筑物的准确位置OPUV。

3、基于点云数据分类插值的高程特征点自动生成

点云数据提取高程点流程如图2 所示，一般城市地面点高程的变化是一个缓慢的过程(除陡坡、悬崖等变化过快的区域外) ， 对于建筑物和密集植被而言，其内部高程变化也是相对平缓的，只有在其与地面的交界处，高程才存在突变， 因此可以使用Delaunay 三角网将原始点云构建TIN 模型，用每个三角面坡度来反映高程的变化程度，通过一定的阈值对三角网坡度进行分割，坡度较大的三角面则为建筑物或植被等与地面的分割点所在面，其包含的区域为高程突变三角形，被高程突变三角形包围的区域为建筑物顶或植被顶，不属于高程点获取范围，直接略去，剩余则为高程平滑三角形。

图2　点云数据提取高程点流程

大比例尺地形图的高程点一般取在道路中心点、堤顶、坡脚、坎上、坎下、凹地、桥面、广场空地等位置， 其中堤顶、坡脚、坎上、坎下、凹地包含在高程突变三角形中。通过Kriging 插值法在高程突变三角形区域进行插值，取高程最大值或最小值为目标高程点， 道路中心点、桥面、广场空地等区域的高程点的生成需结合影像的光谱特征。通过对影像光谱特征的分析获取道路、桥梁、广场空地的大致区域，进而在这些区域进行插值，取其中高程值最高的点、高程变化大的点或地物中间点即为目标高程点， 然后按照大比例尺地形图对高程注记点的密度要求对最初生成的高程点进行过滤，首先过滤掉地物中间点，然后根据不同的阈值过滤掉高程变化点，直至获取合适密度的高程注记点， 取其中心位置，将其自动转成矢量点。最后通过少量的人工干预对矢量高程点进行适当的过滤和筛选。

4、方法验证与精度分析

应用本文方法在浙江省绍兴市新昌县1 ∶ 500测图工作中进行了试验，随机选择4 个图幅进行误差分析。如图3—图6 所示，共选择1360 个样本点(其中平面样本点695 个，高程样本点665 个)与解析法获得的数据进行精度比较，取2 倍中误差为极限误差， 精度结果见表1。与浙江省地方标准DB33/ T 552—2014 要求相比，利用本方法采集的建筑物和高程点精度远远高于传统航摄的精度要求，可以满足绝大部分的行业应用需求。

图3　图幅3266.25—512.00 部分样本点位分布　

图4　图幅3266.25—512.00 点位偏移

图5　图幅3266.00—512.25 部分样本点位分布

图6　图幅3266.00—512.25 点位偏移

但在精度分析时也发现，对于建筑物高度密集区域或形状不规则的地物，大多会形成粗差点， 这是受三维模型精度不足的影响，导致作业时不能清晰获取建筑物立面点，采集效果较差。

5、结　语

笔者通过对倾斜三维模型和点云数据的研究，将其引入城市大比例尺测图中，提高特征点、线的采集效率和自动化程度。基于直线公理，提出通过倾斜三维模型立面上特征点的采集来自动提取建筑物基底特征线的方法，通过点云数据分类插值法自动生成高程点的技术路线， 经验证：本文方法可以满足国家标准的精度要求，能有效提高采集效率。

由于受模型清晰度影响，建筑物特征线快速提取方法在遇到高密度、不规则建筑物时，精度较差。下一步笔者将在提升建模精度及进一步改进大比例尺测图流程自动化的方向继续努力。

参考文献：略

-----END-----

社群交流 / 原创投稿 / 商务合作

（请添加下方小助手微信）

来源：勘测联合网

推荐阅读

推荐关注

温馨提示：近期，微信公众号信息流改版。每个用户可以设置 常读订阅号，这些订阅号将以大卡片的形式展示。因此，如果不想错过“测绘之家”的文章，你一定要进行以下操作：进入“测绘之家”公众号 → 点击右上角的 ··· 菜单 → 选择「设为星标」

↓↓↓点击下方“阅读原文”查看更多精彩内容...